2023年3月15日凌晨，OpenAI发布大型多模态模型GPT-4，正式宣告AI迈入新的“黄金时代”。作为邮件安全厂商，Coremail不禁思索，在当今科技高速发展的节点上，如何将此类大型多模态模型落地至具体的邮件安全防护？

3月23日，Coremail邮件安全人工智能实验室首席架构师潘庆峰（下文简称“大P”）在直播间为观众朋友们介绍了Coremail AI技术发展历程，并展示了CAC邮件安全大数据中心与应用产品的闭环架构，也欢迎志同道合的朋友们与我们共同讨论分享。

智能算法萌芽期（2000年前后）

作为2000年就加入Coremail进行邮件系统开发的元老级人物，Coremail内部常常亲切地称呼潘庆峰老师为大P。

据大P介绍，在1999年开发出第一套邮件系统后，Coremail在第二年就已经开始了关于反垃圾技术的相关研究。

随着技术的发展与垃圾邮件的增长，Coremail逐渐开始运用多种智能算法对邮件进行分析过滤，包括Bayes算法, fingerprint算法，基于规则权重的邮件评分算法等。

智能算法发展期（2010前后）

面对这类挑战，Coremail在这十年间逐步引入了大数据技术，建立了Coremail邮件安全大数据中心(CAC中心)，建立了云端的CAC服务，通过实时检查和特征规则下发加强各个Coremail系统的反垃圾能力。

CAC中心应用特征工程结合传统的人工智能垃圾邮件识别算法，如SVM和浅层的神经网络算法等，比原来的基于邮件评分的简单算法过滤效果有了进一步的提升。

Coremail针对新出现的发送垃圾方法做了集中性检查处理，比如文本图片类型的垃圾邮件，根据当时的算力限制，专门研发了图片垃圾的非OCR算法并申请了相关专利。

2015年后深度学习算法开始快速发展，计算机视觉，自然语言处理等方面出现了大量的高水平模型，CAC也尝试在钓鱼邮件检测等方面应用深度学习的一些算法。

大规模应用期（2020年至今）

伴随深度学习算法继续爆炸性的发展,自然语言处理，异常检测，迁移学习和预训练大模型等AI技术也在快速产生。

幸运的是，攻防对抗中，Coremail基于邮件安全大数据中心持续积累的海量优质数据，实现了邮件样本智能收集，识别，入库，反馈，自学习训练并提升算法模型能力的闭环。

在垃圾邮件检测，异常登陆检测，语义分析等方向都做了各种尝试并取得了一定的效果，相关的一些深度学习算法已经直接应用在了我们的产品中，如CAC 2.0反钓鱼防盗号、CACTER邮件安全网关、安全管理中心SMC2等。

在未来，Coremail AI LAB将坚持长期主义，加大对云计算、人工智能、大数据的投入研究，将成果实践落地至Coremail系列产品，运用到实际的业务场景中，推动邮件安全整体产业性发展。